基于联邦学习的移动边缘环境下安全QoS预测方法

摘要

本发明公开了一种基于联邦学习的移动边缘环境下安全QoS预测方法。该方法首先收集边缘位置信息和QoS数据集，融合后得到时‑空边缘用户QoS数据集；然后对边缘区域进行划分和提取公有数据集，并将公有模型训练和个性化预测相结合从而达到安全的目的。在公有模型训练过程中，考虑边缘服务器和市辖区的地理位置分布，将整个边缘网络区域划分为多个边缘区域，每个边缘区域对应若干个市辖区。每个边缘区域进行公有数据提取后基于LSTM进行公有模型训练并将公有权值参数传递给私有用户。在个性化预测过程中，用户使用其所属区域中的公有LSTM权重参数作为私有LSTM的初始参数，并根据用户的私有数据不断训练私有LSTM从而进行个性化预测。